XiaoMi-AI文件搜索系统
World File Search SystemOOD
自适应预测合奏：改善运动预测的分布概括
摘要 - 自主驾驶的基于深度学习的轨迹预测模型通常会在概括到分布（OOD）方案的概括中遇到困难，有时表现比简单的基于规则的模型差。为了解决这一限制，我们提出了一个新颖的框架，自适应预测集合（APE），该集合整合了深度学习和基于规则的预测专家。学习的路由功能，与深度学习模型同时训练，根据输入方案动态选择最可靠的预测。我们在大规模数据集上进行的实验，包括Waymo Open Motion Datat（WOMD）和Argoverse，证明了整个数据集的零射击概括的改进。我们表明，我们的方法的表现优于单个预测模型和其他变体，尤其是在具有很高比例的OOD数据的长音预测和场景中。这项工作强调了混合方法在自主驾驶中进行鲁棒和可推广的运动预测的潜力。更多详细信息可以在项目页面上找到：https：//sites.google.com/view/ ape-generalization。
基于深度学习和计算机视觉的河流洪水检测系统
摘要尽管OOD每年造成数百万美元的经济和社会损失，但居住在发展中国家（例如巴西）的许多人由于其成本而无法访问Ood Alert System。为了解决这个问题，我们提出了一个廉价且强大的河流洪水检测系统，可以将其放在任何河流中，并在其床边处有一个地面。我们系统的新颖性是使用o的原始图像，无需预处理。因此，我们的方法可以使用城市环境中现有的监视摄像机进行部署。建议的系统通过使用深神经网络（DNNS）对河水刀片进行语义分割来测量河流水平。然后，它使用计算机视觉（CV）来估计水位。如果水位接近或高于危险阈值，则它会在没有人类干预的情况下自动发送警报。此外，我们的系统可以以3.32 cm的平均绝对误差（MAE）的平均绝对误差（MAE）成功测量河流的水位，这足以检测到何时何时过度OW。该系统也可靠地从不同的相机观点和照明条件来测量河流水位。我们展示了我们的方法的生存能力，并评估了原型的
ModelVsBaby：一个以发展为导向的分布外物体识别基准
深度神经网络最近已成为思考人类视觉学习的卓越计算工具。最近的研究探索了改变自然图像的影响，并比较了人类和模型的反应，为它们的功能以及深度神经网络如何塑造我们对人类学习的理解提供了宝贵的见解。至关重要的是，人类的大部分视觉学习都发生在早期发展过程中。然而，将人工智能模型与年轻人进行比较的良好控制的基准很少。在这里，我们提出了一个以发展为导向的分布外 (OOD) 对象识别基准。我们的基准 ModelVsBaby 包括一组在视觉科学文献中长期研究的 OOD 条件，预计对人类 OOD 对象识别的发展很敏感：轮廓、几何、遮挡、模糊、拥挤的背景和基线现实条件。除了刺激之外，我们还发布了一个独特的数据集，其中包含 2 岁儿童对刺激的反应。我们对数据集的初步分析显示出几个有趣的模式：2 岁儿童在轮廓条件下的准确率达到 80%，几乎与现实条件（概率 = 12%）一样好。在其他具有挑战性的条件下，他们的表现也远高于概率，接近 60%。我们还评估了在不同数量的互联网规模数据集上训练的图像文本关联 (CLIP) 模型。模型性能表明，只要有足够的数据，人工智能学习者就可以学习所有条件。然而，现实和轮廓需要较少的训练数据才能学习，就像人类一样。我们的基准刺激和婴儿反应为构建与人类在学习成果和学习轨迹方面保持一致的计算模型提供了重要的垫脚石。这项努力可以为创建更好的视觉发展模型提供依据，并提高人工智能系统在实际应用中的效率。未来的工作可能会使用基准刺激来测试更多的年龄组，并在“发展一致性”方面对各种风格的模型进行详细比较。
迪拜城市规划2040：城市区5
2.1 L ITERATURE R EVIEW ............................................................................................................................................... 10 2.1.1 W ATER .............................................................................................................................................................. 11 2.1.2 A IR Q UALITY ....................................................................................................................................................... 13 2.1.3 E NERGY ............................................................................................................................................................. 13 2.1.4 C LIMATE C HANGE ................................................................................................................................................ 14 2.1.5 R ESIDENTS H EALTH .............................................................................................................................................. 15 2.1.6 F OOD ................................................................................................................................................................ 16 2.1.7 S USTAINABLE C ITIES ............................................................................................................................................. 20 2.2 K EY T AKEAWAYS .................................................................................................................................................... 21
长期互动驾驶模拟：MPC toRescue⋆
摘要。仿真现在在自主驾驶算法的发展中起着重要作用，因为它可以大大降低现实世界测试的环保成本和道德风险。但是，建立高质量的驾驶模拟器并不是微不足道的，因为它要求采取公路代理的现实性行为行为。最近，几个模拟器采用以数据驱动方式学习的交互式轨迹预测模型。尽管他们成功地生成了短期交互式场景，但在时间范围更长时，模拟器很快就会崩溃。我们确定了背后的原因：现有的交互式轨迹预测因子在递归喂养预测作为模型的输入时遭受室外（OOD）问题。为此，我们建议引入一个量身定制的模型预测控制（MPC）模块，以使最先进的交互式轨迹预测模型M2I，形成了一个名为M 2 SIM的新模拟器。值得注意的是，M 2 SIM可以通过执行弹性正规化来有效地解决长期模拟的OOD问题，该正规化可以接受重播数据，同时仍享受数据驱动的预测的多样性。我们使用定量结果和可视化来证明M 2 SIM的优势，并发布我们的数据，代码和模型：https：//github.com/0nhc/m2sim。
河流洪水评估和空间调查要求...
为制定总体规划，通常会在典型地点沿着所关注的河流段每隔 500 米至 1,000 米进行一次河流横截面测量，具体取决于地形图上显示的河流大小（DPWH 和 JICAa，2003 年，DPWH 和 JICAb，2003 年）。然而，为实施典型的河流结构项目，会根据河流大小进行较小比例的调查，水平比例为 1:500 至 1:2,000。垂直比例为 1:100 至 1:500，具体取决于地形条件。横截面测量间隔的测量范围为 100 米至 1,000 米。调查区域的宽度通常至少延伸至两岸以外 20 米，但如果该位置仍然是洪灾多发区（例如，基于可用的最佳洪灾灾害图），则可以进一步加宽。沿河道横断面测量间隔，窄河道为2～5m，宽河道为5～20m。
利奇菲尔德预算委员会2024年6月27日
进行了详细的财务文件审查，首先是对期望的收入，并指出诸如级别（OOD）学生的学费，兴趣和特殊教育援助的资料。运营预算强调约为145万美元，对土地购买的调整使净额约为110万美元。首发基金余额为15.82亿美元，对粮食服务不足和批准的转移进行了必要的调整。该地区的食品服务赤字为82,000美元。
改善道路沟渠设计的创新策略
项目详情：道路沟渠是城市排水系统的重要组成部分，用于将地表径流收集到下水道网络中，降低洪水风险并确保道路安全。然而，最近关于城市洪水分析和排水系统设计的大部分研究主要基于数值建模，这些建模通常假设道路沟渠在理想情况下发挥作用。事实上，树叶碎片、淤泥、沉积物、石头、土壤侵蚀和路面磨损等各种因素经常导致沟渠堵塞并大大降低其容量。因此，尽管下水道网络中的流量远低于设计容量，但沟渠入口无法有效地捕获地表径流。此外，气候变化导致强降雨更加频繁，因此这些资产可能无法提供所需的保护。为了应对这些挑战，创新和调整道路沟渠设计以更好地应对气候变化的影响至关重要。